基于改进残差网络的抽油机故障诊断研究

杨莉; 王艳铠; 王婷婷; 梁艳

doi:10.19292/j.cnki.jdxxp.20240201.010

吉林大学学报(信息科学版) ›› 2024, Vol. 42 ›› Issue (04) : 579 -587. DOI: 10.19292/j.cnki.jdxxp.20240201.010

基于改进残差网络的抽油机故障诊断研究

杨莉, 王艳铠, 王婷婷, 梁艳

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对抽油机故障诊断的传统图像识别方法识别率高但速率较慢，或训练速度适宜但识别率较低等问题，提出一种基于改进残差网络模型的示功图图像识别算法。改进策略包括替换模型第1层卷积核，由更小卷积核代替；改变残差模块排列顺序；将传统ResNet50(残差网络)模型的全连接层替换成径向基函数(RBF:Radial Basis Function)网络作为额外的分类器；采用数据增强方式对数据集进行扩充，并利用迁移学习在改进的ResNet50-RBF模型得到ImageNet上预训练好的权重参数后进行训练。实验结果表明，改进的模型在示功图识别中得到了98.86%的准确率，与其他网络相比，鲁棒性进一步加强，并且速率得到一定提升，为抽油机故障诊断提供了一定参考。